检测方法、检测装置、监控设备和计算机可读存储介质制造方法及图纸

本发明专利技术提出了一种检测方法、检测装置、监控设备和计算机可读存储介质。其中，检测方法包括：获取至少一个摄像装置的图像数据；识别图像数据中目标图像的每一个像素点的像素值；根据相邻两帧目标图像中所有像素点的像素差值的绝对值之和、预设像素值，确定待检测图像；采用YOLO v3模型对待检测图像进行检测运算，以识别待检测图像中存在的目标检测对象；记录目标检测对象。本发明专利技术的检测方法能够大大提高检测对象进入监测区域时实时检测的检测速度和精度，而且可同时支持大量摄像装置实时检测，极大地提高了实际工程的投入产出比，并且能够排除非检测对象引起的误检影响。

Detection method, detection device, monitoring equipment and computer readable storage medium

【技术实现步骤摘要】
检测方法、检测装置、监控设备和计算机可读存储介质
本专利技术涉及视频图像识别
，具体而言，涉及一种检测方法、一种检测装置、一种监控设备和一种计算机可读存储介质。
技术介绍
站房是整个工程监控系统的核心区域，大量的计算分析部署在这里，为防止闲杂人等随意进入及系统更新维护责任到人，保证站房系统安全及系统的有效管理，需要对监控站房的上百路甚至上千路摄像头进行实时行人检测。目前常见的行人检测算法有两种：帧间差分法和基于深度学习的目标检测算法。帧间差分法是一种通过对视频图像序列的连续两帧图像做差分运算获取运动目标轮廓的方法。该方法实现简单，运算速度快(5ms左右)，对光线的变化不敏感。但是在运动体内易产生空洞，特别是目标运动速度较快时，影响目标区域准确提取，且检测效果取决于差分阈值的设定，对前景中的任何运动物体都会进行检测，无法区分行人和物体，存在目标误判、误检率高的问题。基于深度学习的目标检测算法主要通过权值共享、局部连接等策略端到端的自动学习捕捉物体的特征，使网络具有更强的解析能力。但为了工程项目的投入产出比最大化，则需要一台服本文档来自技高网...

【技术保护点】
1.一种检测方法，其特征在于，包括：/n获取至少一个摄像装置的图像数据；/n识别所述图像数据中目标图像的每一个像素点的像素值；/n根据相邻两帧目标图像中所有像素点的像素差值的绝对值之和、预设像素值，确定待检测图像；/n采用YOLO v3模型对所述待检测图像进行检测运算，以识别所述待检测图像中存在的目标检测对象；/n记录所述目标检测对象。/n

【技术特征摘要】
1.一种检测方法，其特征在于，包括：
获取至少一个摄像装置的图像数据；
识别所述图像数据中目标图像的每一个像素点的像素值；
根据相邻两帧目标图像中所有像素点的像素差值的绝对值之和、预设像素值，确定待检测图像；
采用YOLOv3模型对所述待检测图像进行检测运算，以识别所述待检测图像中存在的目标检测对象；
记录所述目标检测对象。


2.根据权利要求1所述的检测方法，其特征在于，所述获取至少一个摄像装置的图像数据的步骤，具体包括：
获取所述图像数据的配置信息；
根据所述配置信息确定下载所述图像数据所需的进程数量；
根据所述进程数量并行下载所述图像数据。


3.根据权利要求1所述的检测方法，其特征在于，所述根据相邻两帧目标图像中所有像素点的像素差值的绝对值之和、预设像素值，确定待检测图像的步骤，具体包括：
根据当前帧目标图像的像素点与前一帧目标图像的像素点之间的对应关系，计算所述当前帧目标图像中每一个像素点的像素值与所述前一帧目标图像中每一个像素点的像素值之间的像素差值；
比较所述所有像素点的像素差值的绝对值之和与所述预设像素值之间的大小关系；
基于所述所有像素点的像素差值的绝对值之和大于所述预设像素值的情况，将所述当前帧目标图像作为所述待检测图像。


4.根据权利要求3所述的检测方法，其特征在于，还包括：
基于所述像素差值的绝对值之和小于或等于所述预设像素值的情况，记录前一个待检测图像中存在的目标检测对象。


5.根据权利要求1至4中任一项所述的检测方法，其特征在于，
所述图像数据包括所述摄像装置的身份信息、所述摄像装置采集的所述目标图像以及所述目标图像的采集时间。

【专利技术属性】
技术研发人员：邢军华，欧阳一村，曾志辉，许文龙，贺涛，蒋铮，
申请(专利权)人：深圳中兴网信科技有限公司，
类型：发明
国别省市：广东;44